越疆科技

1、负责 VLA（Vision-Language-Action）视觉 - 语言 - 动作模型的训练、微调、后训练全流程工程落地，包括预训练、SFT 监督微调、行为克隆、离线 RL 对齐，基于 PyTorch、Megatron-LM 等框架搭建稳定训练链路，排查 loss 异常、收敛、显存 / 通信瓶颈等训练问题 2、负责 VLA 多模态数据工程体系建设：面向机器人场景（图像、深度、本体状态、语言指令、动作轨迹），完成数据解析、清洗、过滤、去重、质量评估、数据增强、数据集版本管理，开发自动化数据处理 Pipeline，支撑模型迭代闭环 3、参与分布式训练方案落地：FSDP/ZeRO、多机多卡训练、断点续训、训练日志监控、评测体系搭建，完成训练资源调度、训练稳定性、吞吐优化，对接 Slurm / 集群存储（CPFS/S3）等算力基础设施 4、跟进 VLA 前沿方案（OpenVLA、RT-2、π0、RDT 等），完成论文复现、消融实验，沉淀可复用训练脚本、数据格式、评测工具；参与 Case 分析，定位模型泛化差、动作不稳定、指令跟随失败的数据 / 模型侧根因 5、和策略、真机、仿真团队协同，打通「数据→训练→评测→真机反馈」闭环，输出可用于机器人真机的 VLA 策略，支撑具身智能导航、操作任务落地

1、2027 届硕士 / 博士应届生（计算机、自动化、人工智能、机器人、电子信息、数学等相关专业），扎实深度学习、机器学习基础，熟悉自回归模型、多模态对齐、模仿学习基础概念 2、熟练 Python，精通 PyTorch；熟悉 Linux 开发、Git、Shell，具备良好工程代码能力；了解大规模模型分布式训练基础（FSDP、DDP） 3、重点加分项：有完整 VLA/VLM 模型训练、复现、微调实战经验（开源项目 / 毕设 / 竞赛均可），亲手跑过 OpenVLA、RT-2、π0 等 VLA 模型训练，理解图像 - 文本 - 动作多模态对齐、动作 token 化、时序动作生成逻辑 4、做过机器人多模态轨迹数据集处理，熟悉 HDF5、MCAP、ROS2、仿真数据（MuJoCo/Isaac Sim） 熟悉大模型训练工程：Megatron、LLaMA Factory、DeepSpeed、FSDP，有显存优化、训练稳定性调优经验 5、熟悉数据治理：数据过滤、质量打分、轨迹筛选、数据合成，有面向机器人任务的数据闭环建设经验 熟悉评测体系：任务成功率、指令跟随、动作稳定性等 VLA 指标设计，能写自动化评测脚本 6、有机器人、具身智能、视觉语言导航 VLN、Diffusion Policy 相关项目 / 论文 7、能独立排查训练报错、数据脏样本、收敛异常，具备强 debug 能力； 8、愿意兼顾数据工程 + 模型训练两端工作，不排斥数据清洗、数据集迭代这类偏工程落地工作； 9、良好的阅读英文论文、技术文档能力，能持续跟进 VLA 前沿进展。